python的cv2.warpAffine()和cv2.warpPerspective()解析对比

最新推荐文章于 2025-03-02 14:09:04 发布

onnx20

最新推荐文章于 2025-03-02 14:09:04 发布

阅读量3.9w

点赞数 30

分类专栏： python opencv 文章标签： cv2.warpAffine cv2.warpPerspective

本文链接：https://blog.csdn.net/u012114438/article/details/102613492

版权

opencv 同时被 2 个专栏收录

3 篇文章

订阅专栏

python

2 篇文章

订阅专栏

本文深入讲解了OpenCV中两种图像几何变换：放射变换和透视变换。放射变换通过2×3的矩阵实现旋转、平移和缩放，保持平行线平行。透视变换则保持直线不变形，但平行线可能不再平行，适用于四点对应坐标变换。文章还介绍了如何通过特定函数获取变换矩阵。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、cv2.warpAffine()放射变换函数，可实现旋转，平移，缩放；变换后的平行线依旧平行

cv2.warpAffine(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None) --> dst

src：输入图像 dst：输出图像

M：2×3的变换矩阵

dsize：变换后输出图像尺寸

flag：插值方法

borderMode：边界像素外扩方式

borderValue：边界像素插值，默认用0填充

变换矩阵M可通过cv2.getAffineTransfrom(points1, points2)函数获得

变换矩阵的获取需要至少三组变换前后对应的点坐标，设取原图上的三个点组成矩阵points1，变换后的三个点组成的矩阵points2

如：

points1 = np.float32([ [30,30], [100,40], [40,100] ])
points2 = np.float32([ [60,60], [40,100], [80,20] ])

M  =  cv2.getAffineTransform(points1, points2)
   =  array([[-0.33333333,  0.33333333, 60.   ],
             [ 0.66666667, -0.66666667, 60.   ]])

Affine_img = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

Affine_img是相对于原图img是以M变换后的图像，对于原图img上任何一点的坐标 $A(x, y)$ 通过变换矩阵M变换后可在Affine_img上都能找到与之对应的坐标点 $A^{'}(x^{'}, y^{'})$ ，变换方法为：

先构造一个3×1的矩阵 $a = [x, y, 1]^{T}$ ，则

$A^{'}(x^{'}, y^{'}) = M\cdot a = \begin{bmatrix} m_{11} & m_{12} &m_{13} \\ m_{21}& m_{22}& m_{23} \end{bmatrix}\cdot \begin{bmatrix} x\\ y\\ 1 \end{bmatrix}$

$x^{'} = x*m_{11}+y*m_{12}+m_{13}$

$y^{'} = x*m_{21}+y*m_{22}+m_{23}$

2、cv2.warpPerspective()透视变换函数，可保持直线不变形，但是平行线可能不再平行

cv2.warpPerspective(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None) --> dst

其相关参数和cv2.warpAffine函数的类似，不再做介绍

它的变换矩阵可以通过cv2.getPerspectiveTransform()函数获得，其原理和cv2.getAffineTransfrom()相同，只是投射变换至少需要四组变换前后对应的点坐标，设取原图上的四个点组成矩阵points1，变换后的四个点组成的矩阵points2

如：

points1 = np.float32([ [30,30], [10,40], [40,10], [5,15] ])
points2 = np.float32([ [0,0], [400,0], [0,400], [400,400] ])

M = cv2.getPerspectiveTransform(points1, points2)
  = array([[-9.08777969e+00, -4.54388985e+00,  4.08950086e+02],
           [-5.37005164e+00, -1.07401033e+01,  4.83304647e+02],
           [-1.15318417e-02, -1.35972461e-02,  1.00000000e+00]])

Perspective_img = cv2.warpPerspective(img, M, (img.shape[1], img.shape[0]))

Perspective_img是相对于原图img是以M变换后的图像，同理，对于原图img上任何一点的坐标 $A(x, y)$ 通过变换矩阵M变换后可在Perspective_img上都能找到与之对应的坐标点 $A^{'}(x^{'}, y^{'})$ ，变换方法为：

先构造一个3×1的矩阵 $a = [x, y, 1]^{T}$ ，则

$M\cdot a = \begin{bmatrix} m_{11} & m_{12} &m_{13} \\ m_{21}& m_{22}& m_{23} \\ m_{31}& m_{32}& m_{33} \end{bmatrix}\cdot \begin{bmatrix} x\\ y\\ 1 \end{bmatrix}$